app.py

import gradio as gr
import torch
from transformers import pipeline
import plotly.graph_objects as go
import pandas as pd

# -----------------------------------------------------------------------------
# 1. Chargement du modèle (inchangé)
# -----------------------------------------------------------------------------
# Mettons le chargement dans un bloc try-except pour une meilleure gestion d'erreur
try:
    classifier = pipeline(
        "text-classification",
        model="oliviercaron/fr-camembert-spplus-sentiment",
        device_map="auto",
        top_k=None
    )
    print("Modèle chargé avec succès.")
except Exception as e:
    print(f"Erreur lors du chargement du modèle : {e}")
    classifier = None

# -----------------------------------------------------------------------------
# 2. Fonction d'analyse (entièrement réécrite)
# -----------------------------------------------------------------------------
def analyze_sentiment(text: str):
    """
    Analyse le sentiment d'un texte et retourne une synthèse, un graphique
    et un tableau détaillé des scores.
    """
    if not classifier:
        # Gère le cas où le modèle n'a pas pu être chargé
        return "Erreur : Le modèle d'analyse n'est pas disponible.", None, None

    if not text or not text.strip():
        # Retourne des valeurs vides pour réinitialiser l'interface
        return None, None, None

    # Obtenir les prédictions du modèle
    results = classifier(text)[0]

    # Trier les résultats par score (le plus élevé en premier)
    results = sorted(results, key=lambda x: x['score'], reverse=True)

    # --- Création du DataFrame pour le tableau de résultats ---
    labels = [r['label'] for r in results]
    scores_formatted = [f"{r['score'] * 100:.2f} %" for r in results]
    emoji_map = {"Positif": "🟢", "Négatif": "🔴", "Neutre": "⚪"}
    emojis = [emoji_map.get(label, "⚫") for label in labels]
    
    # Le DataFrame que l'on affichera dans l'onglet "Scores Détaillés"
    df_results = pd.DataFrame({
        "": emojis,
        "Sentiment": labels,
        "Confiance": scores_formatted
    })

    # --- Création du graphique à barres Plotly ---
    chart_scores = [r['score'] * 100 for r in results]
    colors = ['#22c55e' if label == 'Positif' else '#ef4444' if label == 'Négatif' else '#6b7280' for label in labels]

    fig = go.Figure(data=[
        go.Bar(
            x=labels, y=chart_scores, marker_color=colors,
            text=[f'{s:.1f}%' for s in chart_scores], textposition='auto',
        )
    ])
    fig.update_layout(
        title_text="Distribution des Sentiments",
        xaxis_title="Sentiment", yaxis_title="Confiance (%)",
        yaxis=dict(range=[0, 100]),
        template="plotly_white", height=350, font=dict(size=14)
    )

    # --- Création du texte de synthèse ---
    top_prediction = results[0]
    top_label_emoji = emoji_map.get(top_prediction['label'], "⚫")
    
    confidence_level = "Très élevée" if top_prediction['score'] > 0.9 else \
                       "Élevée" if top_prediction['score'] > 0.7 else \
                       "Modérée" if top_prediction['score'] > 0.5 else "Faible"

    summary_text = (
        f"### {top_label_emoji} Prédiction principale : **{top_prediction['label']}**\n"
        f"**Niveau de confiance :** {confidence_level} ({top_prediction['score']*100:.1f}%)"
    )

    # Retourner les 3 éléments qui correspondent aux sorties de l'interface
    return summary_text, fig, df_results

# -----------------------------------------------------------------------------
# 3. Données pour l'interface (exemples et style)
# -----------------------------------------------------------------------------
# Les exemples sont bien choisis, on les garde.
examples = [
    "Accueil très aimable, explications claires, je suis satisfait.",
    "Personnel compétent et à l'écoute, démarche rapide et efficace.",
    "Excellent service, je recommande vivement cette démarche en ligne.",
    "Je n'ai pas d'avis particulier sur la question.",
    "Le service était correct, sans plus.",
    "RAS, tout s'est bien passé comme d'habitude.",
    "Très déçu, aucune réponse à mes emails depuis des semaines.",
    "Procédure beaucoup trop compliquée et inutilement longue.",
]

# Le CSS est bien, on le garde
css = """
.gradio-container {
    font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
    max-width: 1024px;
    margin: auto;
}
.main-header {
    text-align: center;
    margin-bottom: 2rem;
}
"""

# -----------------------------------------------------------------------------
# 4. Construction de l'interface Gradio (réorganisée avec onglets)
# -----------------------------------------------------------------------------
with gr.Blocks(css=css, theme=gr.themes.Soft(), title="Analyse de sentiment") as iface:
    
    # --- En-tête ---
    gr.HTML("""
    <div class="main-header">
        <h1>🇫🇷 Analyse de sentiment pour les Services Publics</h1>
        <p style="font-size: 1.1rem; color: #4b5563;">
            Analyse des retours usagers avec le modèle <strong>fr-camembert-spplus-sentiment</strong>
        </p>
        <p style="font-size: 0.9rem; color: #6b7280;">
            <a href="https://huggingface.co/oliviercaron/fr-camembert-spplus-sentiment" target="_blank">🤗 Voir le modèle sur HuggingFace</a> | 
            <span>Données issues de la plateforme <a href="https://www.plus.transformation.gouv.fr/" target="_blank">Services Publics +</a></span>
        </p>
    </div>
    """)
    
    # --- Corps de l'application en 2 colonnes ---
    with gr.Row(variant="panel"):
        # --- Colonne de gauche (Entrée) ---
        with gr.Column(scale=2):
            gr.Markdown("### 1. Saisissez votre texte")
            text_input = gr.Textbox(
                label="Commentaire de l'usager",
                placeholder="Ex: 'Très satisfait du service, réponse rapide et claire.'",
                lines=5,
            )
            
            analyze_btn = gr.Button("🔍 Analyse du sentiment", variant="primary", scale=1)
            
            gr.Markdown("### 💡 Ou testez avec des exemples")
            # NOUVEAU : Utilisation de gr.Examples pour un code plus propre et une meilleure UI
            gr.Examples(
                examples=examples,
                inputs=text_input,
                label="Cliquez sur un exemple pour le tester",
                examples_per_page=8
            )

        # --- Colonne de droite (Résultats avec onglets) ---
        with gr.Column(scale=3):
            gr.Markdown("### 2. Consultez les résultats")
            with gr.Tabs():
                # Onglet 1 : La vue principale et la plus simple
                with gr.TabItem("📊 Synthèse", id=0):
                    summary_output = gr.Markdown(label="Conclusion de l'analyse")
                    chart_output = gr.Plot(label="Distribution des scores")
                
                # Onglet 2 : Le tableau détaillé pour ceux qui veulent les chiffres précis
                with gr.TabItem("📋 Scores détaillés", id=1):
                    dataframe_output = gr.DataFrame(
                        label="Tableau des probabilités par sentiment",
                        headers=["", "Sentiment", "Confiance"],
                        interactive=False,
                        row_count=(3, "fixed"),
                        col_count=(3, "fixed")
                    )

    # --- Gestionnaire d'événement ---
    analyze_btn.click(
        fn=analyze_sentiment,
        inputs=[text_input],
        # L'ordre des sorties doit correspondre à l'ordre du 'return' de la fonction
        outputs=[summary_output, chart_output, dataframe_output]
    )

# -----------------------------------------------------------------------------
# 5. Lancement de l'application
# -----------------------------------------------------------------------------
if __name__ == "__main__":
    iface.launch(debug=True)